基于METRIC模型的江汉平原蒸散量估算适应性分析

吴 凡，陈植华，胡 成

(中国地质大学(武汉)环境学院，湖北 武汉 430078)

江汉平原地处华中地区，西起宜昌，东至武汉，是国内重要的稻产水产基地之一。江汉平原属亚热带季风气候，年平均降雨量达1 000 mm以上。整个江汉平原河流纵横交错，湖泊星罗棋布，水是整个平原生态系统及资源环境的重要枢纽。水资源事关生态系统的循环及稳定，是区内重要的生态资源之一，正确地评价区域水资源量，可以更加明晰地揭示区域水文循环及能量循环过程，对合理配置水资源，保障区域生态用水提供更为科学的建议，也是实现水循环的可再生持续利用，保障生态、社会和谐发展的重要手段之一。蒸散发作为水文循环中的重要消耗途径之一，湿润及半湿润地区可占降水总量的约60%，干旱地区可占降水总量的近90%，而完整的蒸散发过程更能够将近50%的太阳辐射进行对流交换，因此蒸散发也是能量平衡以及水量平衡的重要影响因子，准确、快捷地评价区域蒸散量，对正确评价区域水资源量有着至关重要的作用。蒸散发表征了植物表面以及地表的水分蒸散以及植物体内的水分蒸腾，其物理过程十分复杂，与土壤热交换、大气湍流交换、植被冠层水汽交换等都有着紧密的联系，也是整个水文循环中最难直接测量的部分。作为水资源主要消耗途径之一的蒸散发也日益受到全球学者的关注，对其研究也随着关注度日益加深。由于蒸散发物理过程复杂，涉及环境变量多，如何精确地估算蒸散量已经成为水文学、气象学等多个学科的重要研究课题之一。传统手段通过经验模型估算的蒸散量结果，其精度已难以满足现代水资源量评价的需求，气象站通过蒸发皿测得的蒸发量数据，也只能表征该区域内的蒸发潜力，与实际蒸散发仍然有着较大的差异，而通过仪器测定如蒸渗仪法、涡度相关仪法等，其空间尺度仍然局限在点或小区域上，难以实现大面积的蒸散发测定。针对以上问题，本文采用遥感蒸散发模型反演江汉平原实际蒸散量，并探讨METRIC模型对江汉平原蒸散量估算的适用性，对江汉平原的水资源量评价具有重要的意义。此次遥感反演的江汉平原属半湿润地区，且未进行地面蒸散测量设备如涡度仪、蒸渗仪等的建设，其基础气象数据暂无法满足双层及多层模型的使用条件，而由于冷热像元的选取原则导致SEBAL模型在半湿润地区的适用性较弱，此次引进了采用全新冷热像元选取原则的METRIC模型，理论上能够在半湿润地区获得更高的蒸散量遥感反演精度，同时能够有效增强遥感反演在此类区域的可用性及实用性，为区域提供更为可靠的蒸散量数据，并提高区域水资源规划精度，具有较高的研究意义。

1 研究数据与方法

1. 1 遥感数据源和气象数据选择

在本次研究区域蒸散量遥感反演中，主要使用的遥感数据为4期Landsat8遥感影像数据。Landsat8是美国陆地卫星计划中的第8颗，于2013年2月11日发射升空，以填补自2003年Landsat7携带的SLC传感器故障导致的遥感影像缺失。自1972年陆地卫星计划首颗卫星发射以来，Landsat系列卫星已成为全球范围内重要的环境监测及资源调查遥感卫星，从Landsat1/2/3只携带覆盖了三波段的RBV传感器及红外波段的MSS传感器，到如今Landasat8携带OLI光学传感器及TIRS热红外传感器，覆盖波段高达11个波段，精度最高达15 m，Landsat系列卫星已在几十年间取得了长足的进步。截止目前Landsat全系列卫星数据仍面向全球免费提供，至今仍然是进行区域蒸散量遥感反演的理想数据源之一。此次遥感反演选择了研究区域2015年10月25日、2016年3月1日、2018年3月23日、2018年4月8日共4期的Landsat8遥感影像数据，此4期遥感影像数据为研究时间段内影像质量最佳的4期数据，并能够一定程度反映研究区域蒸散量的季节性变化。本研究主要利用Landasat8携带的OLI光学传感器的2～7波段进行植被指数(NDVI)、土地利用类型等的遥感反演以及TIRS热红外传感器的10及11波段进行地表温度等参数的遥感反演。气象数据选取研究区域周边孝感市气象站和孝昌县气象站共两个站点的气温、湿度、风速、降雨量等各类气象数据输入模型参与蒸散量遥感反演。

1.2 METRIC模型和SEBAL模型介绍

遥感蒸散发模型的发展距今已有30余年的历史，其研究的开端为采用手持式红外辐射仪测量植被冠层温度并与蒸散发建立经验公式，直至1983年，Seguin等首次利用卫星传感器测得的地表温度对蒸散发进行了估算，正式拉开了现代对遥感蒸散发模型的研究。

1988年，由Bastiaanssen提出了迄今为止使用最为广泛的遥感蒸散发模型即SEBAL(Surface Energy Balance Algorithm for Land)模型。该模型基于地表能量平衡，巧妙避免了气象数据在空间插值并订正温度时引起的误差，具有十分重要的物理意义，目前在世界范围内都得到了广泛应用。美国的爱达荷州水利部门曾经对SEBAL模型的估算精度进行了大面积、高精度的地面验证，结果表明其估算误差可以控制在4%以内。在国内，由中国科学院兰州大气物理研究所在黑河地区的实验研究表明：在估算单日蒸散量时，SEBAL模型的估算误差保持在8%以内。上述研究说明，SEBAL模型在区域蒸散量估算上具有实际可用性。2005年，Allen等利用与SEBAL模型相同的原理，开发了METRIC模型，克服了SEBAL模型在山区反演精度不足的问题，并对模型中的干湿边界采用了新的选取方式，同时在时间尺度上采取了全新的瞬时蒸散扩展方法，更好地考虑了风速、湿度等气象因素带来的影响。

METRIC模型和SEBAL模型的原理都是基于能量平衡方程，只需要遥感影像中的可见光、红外光以及极少量气象参数(气温、风速)等即可计算出地表各项辐射通量(包括净辐射通量、土壤热通量、显热通量)，同时根据这些辐射通量计算出表征蒸散发部分的辐射通量、潜热通量，并利用比例不变法将瞬时蒸散量扩展到日蒸散量。

2 模型各项参数求解

遥感蒸散发模型的基础原理为能量平衡，区域内的能量平衡方程如下：

R

=

G

+

H

+

λET

(1)

式中：

R

为净辐射通量(W/m)，表征了太阳能够有效辐射到地表的辐射能量;

G

为土壤热通量(W/m)，表征了土壤与地面之间的热量交换;

H

为显热通量(W/m)，表征了大气与地面之间以湍流形式进行的感热交换;

λ

为水的汽化潜热[W/(m·mm)]；

ET

为蒸散量(mm)。

以上各项参数均可以通过遥感影像结合地表气象数据反演得到，并具有较大的空间尺度。

在利用METRIC模型和SEBAL模型对区域内蒸散量进行遥感反演时，其主要需求的参数为太阳高度角、太阳天顶角、日地距离、归一化植被指数、地表反照率、地表比辐射率，地表温度等，以上各项地表参数需要结合遥感数据和气象数据，并利用遥感软件分别进行反演。此次遥感软件平台选用ENVI。METRIC模型的主要计算流程见图1。

图1 METRIC模型的计算流程图Fig.1 Flow chart of METRIC model calculation

2. 1 模型参数获取

2.1.1 归一化植被指数(NDVI)

根据蒸散发的基础原理，植被蒸腾作用是蒸散发的主要占比之一，区域内的植被覆盖情况以及植被生长状况等对蒸散发有着极大的影响。而在遥感反演中，体现植被覆盖情况以及植被生长状态的主要参数就是植被指数，又被称作归一化植被指数(NDVI)，其主要原理来自植被叶面对于光的吸收有着其独特的特征，其中叶面对可见光中的红光波段吸收能力很强，但与此同时，它对于不可见的近红外波段有着极强的反射能力。根据以上两个特征，对区域遥感影像的近红外波段与红光波段进行比值计算即可反映区域的植被覆盖状况，其计算公式如下：

NDVI=(NIR-R)/(NIR+R)

(2)

式中：NDVI为归一化植被指数;NIR为近红外波段的像元值(DN值);R为可见光红波段DN值。

根据NDVI，可以计算得到区域的植被覆盖度

P

，其计算公式如下：

(3)

式中:

P

为植被覆盖度；NDVI为植被指数最小值；NDVI为植被指数最大值。2.1.2 地表反照率(

α

)地表反照率(

α

)也是整个蒸散量遥感反演中极为重要的地表参数之一，因为其表征的是区域内反射辐射通量总和与入射辐射通量总和的比值，该比值的大小决定了整个区域总入射能量的多少。

α

主要受到来自土地利用类型，即下垫面变化的影响，不同下垫面的

α

值差别较大，在Landsat8卫星影像的

α

计算中，采用如下计算公式：

(4)

式中：

α

为地表反照率;

α

为大气外反照率;

α

为大气程辐射(取值在0.025～0.04之间);

τ

为大气透过率。其中，大气外反照率

α

的计算公式为

(5)

式中:

α

分别为Landsat8遥感影像2/4/5/6/7波段的DN值。大气透过率

τ

的计算公式为

τ

=0.75+2×10×

Z

(6)

式中:

Z

为地面高程(m)，代指气象观测站的海拔高度。2.1.3 地表比辐射率(

ε

)地表比辐射率(

ε

)的物理意义表征在物体表面单位面积上所辐射出的辐射通量与在相同温度下黑体辐射出的辐射通量的比值。

ε

的值域受到很多因素的影响，通常有物质的界定常数、波长等不同条件的影响，通常

ε

的取值范围在0～1之间。正常情况下

ε

难以进行量化计算，而多年来学者已经总结出地表辐射率与植被覆盖率之间的经验公式，并根据该经验公式对

ε

进行估算，经多位学者实践证明其效果较好。但在对

ε

进行估算时，需根据波段和土地利用类型分别进行计算，具体如下：水体：Landsat8 BAND10下，

ε

取值为0.995；Landsat8 BAND11下，

ε

取值为0.986。水体

ε

取定值其主要原因为水体在热红外波段下，该

ε

值远远高出其他土地利用类型，无限接近于黑体，因此根据不同红外波段及不同卫星传感器对其做定值处理。建筑用地：建筑用地地表比辐射率

ε

的计算，公式为

(7)

式中：

ε

为地表比辐射率;

P

为植被覆盖度。

其他自然地物：其他自然地物地表比辐射率ε的计算公式为

(8)

2.1.4 地表温度(

T

)

地表温度的反演在遥感反演中起步较早，多年来已经开发出多种稳定算法用以计算地表温度，均具有较好的效果,目前主流地表温度反演算法有大气校正法、分裂窗算法等。本次地表温度的遥感反演根据传感器类型以及区域气候状况采取了大气校正法。

L

主要代表由Landsat8影像传感器接收到的热红外辐射亮度，对比Landsat8中两热红外波段的大气透过情况可以发现，BAND10有更优异的性能表现，因此在日常使用中通常采取第10波段作为地表温度反演的基础波段。Landsat8影像传感器接受到的辐射组成主要有三部分，分别是大气向上辐射亮度、大气向下辐射反射能量和地表热辐射，其计算公式如下：

L

=[

ε

·

B

(

T

)+(1-

ε

)

L

↓]·

τ

+

L

↑

(9)

式中：

L

为热红外辐射亮度[W/(m·μm·sr]；

B

(

T

)为地表辐射亮度[W/(m·μm·sr]；

L

↑为大气向上辐射亮度[W/(m·μm·sr]；

L

↓为大气向下辐射亮度[W/(m·μm·sr]；

T

为地表温度(K)。

对公式(9)进行数学转换，可得到：

(10)

其中，

T

可以利用普朗克公式计算：

(11)

式中：

K

和

K

需根据传感器及波段取定值，对于Landsat8的TRIS传感器Band10波段，

K

为774.89W/(m·μm·sr)，

K

为1 321.08 K。

2. 2 能量平衡各分量反演

根据上述所得到的各地表特征参数，结合气象参数(温度、湿度、风速等)，即可对地表各项能量通量进行反演，并根据能量平衡计算潜热通量。

2.2.1 净辐射通量(

R

)

净辐射通量(Net Radiant Flux，NRF)反映的是到达地表的太阳短波辐射和大气长波辐射的净收支，它是驱动大气运动的主要能量。根据地表辐射平衡原理，地表单位面积上接收到的净辐射通量的计算公式如下：

R

=(1-

α

)

R

)+

εR

-

R

(12)

式中：

R

为净辐射通量(W/m)；

R

为入射的太阳短波辐射(W/m);

R

为大气下行长波辐射(W/m);

R

为大气上行长波辐射(W/m)。

其中，入射的太阳短波辐射的计算公式如下：

R

=

G

×cos×

d

×

τ

(13)

式中：

G

为太阳常数(W/m)，其取定值1 367 W/m;

θ

为太阳天顶角(°)，可通过查询遥感数据头文件获得；

d

为日地距离系数(无固定量纲),其计算公式为

(14)

式中：DOY为太阳历日序。

大气下行长波辐射的计算公式如下：

(15)

式中：

σ

为玻尔兹曼常数(W/m·K)，其取定值5.67×10W/m·K；

T

为近地处气温(K)；

ε

为大气比辐射率，其计算公式为

ε

=1.08(-ln

τ

)

(16)

大气上行长波辐射计算公式如下：

(17)

式中：ε为地表比辐射率。

2.2.2 土壤热通量(

G

)通过仪器观测可知，土壤在不同深度下其温度也会随深度发生改变，因此在不同深度下土壤发生了热量交换，此过程中产生的通量叫做土壤热通量(Soil Heat Flux，SOHF)。土壤热通量与其他3个通量相比较小，而且它与净辐射通量之间有一定的关系。Teixeira等提出考虑地表温度、归一化植被指数、地表反照率的土壤热通量

G

计算公式为

(18)

式中：

G

为土壤热通量(W/m)。上式仅针对区域内有植被覆盖的区域，无植被覆盖的区域中，水体：

G

=0.3

R

，建筑用地：

G

=0.41

R

-51。2.2.3 显热通量(

H

)

由地表流向大气的热量，一般被称为显热通量，其主要计算公式及过程如下：

(19)

式中:

H

为显热通量(W/m)；

ρ

为空气密度(kg/m)；

C

为空气定压比热容[J/(kg·K)]，其取值为1 004 [J/(kg·K)];d

T

为不同高度处的温差(K)，一般取0.01～2 m处的温差；

r

为空气动力学阻抗(s/m)。其中，空气密度

ρ

的计算公式为

(20)

式中：

T

为近地表处气温(K);

Z

为地面高程(m)。空气动力学阻抗

r

的计算公式为

(21)

式中：

k

为卡曼常数，取值为0.41；

u

为摩擦速度(m/s)；

Z

和

Z

代表公式(19)中的两个不同高度，

Z

为2 m，

Z

为0.01 m。其中，摩擦速度

u

的计算公式为

(22)

式中：

u

为

Z

高度处的平均风速(m/s);

Z

为动力粗糙度(m)，其暂无量化计算公式，可以由气象站点的植被高度和归一化植被指数按如下经验公式拟合得到：

Z

=exp(1.442 1×NDVI-3.916 7)

(23)

其中，相关系数

R

=0.898 8。

在此类单层遥感蒸散量估算中，使用了一个假设量，即在距离地面200 m高程的高空，区域内所有像元的风速均是相等的，根据此假设，即可方便地计算出整个区域内的摩擦速度，具体计算过程有以下几个步骤：第一步，根据动力粗糙度计算公式计算出气象站附近的动力粗糙度，再结合气象数据，计算出气象站点的摩擦速度；第二步，根据以上公式及气象站的数据，计算出气象站上空200 m处的风速，即为全研究区上空200 m处的风速，此风速值在整个反演过程中保持不变；第三步，根据以上数据及公式，即可以计算出整个研究区的摩擦速度。

基于能量平衡的单层模型中，假设温度差d

T

与地表温度

T

之间存在线性关系，并假设其关系式如下：d

T

=

aT

+

b

(24)

式中：

a

和

b

均为线性系数，通过选择干湿边界，即冷热像元可以求得。一般情况下，“冷点”即代表拥有大蒸散量的像元点，该类像元点一般拥有大量水分且生长旺盛的植被，且地表温度较其他地区明显偏低，该类像元一般假设其近地层气温与其地表温度相等，对于METRIC模型，一般设定“冷点”像元的潜热通量值为此像元点的参考蒸散量的1.05倍；“热点”的选择一般选择裸土，因为此类像元点一般无植被覆盖，无表面的水分来源，其蒸散量可以视作0，则

λET

≈0。本文中，将冷像元点选取在区域中部较其他地区温度明显较低的耕地内，而热像元点则选取在西南地区远离水源且温度较周围地区明显偏高的建筑用地内。结合土壤热通量计算公式(18)和显热通量计算公式(19)，根据能量平衡原理，针对冷热像元的辐射特征，对线性系数

a

和

b

进行数学推导，可得到：

(25)

b

=-

a

×

T

冷

(26)

式中：

R

热和

G

分别为热像元的净辐射通量(W/m)和土壤热通量(W/m);

r

热为热像元的空气动力学阻抗(s/m);

T

和

T

分别为热像元和冷像元的地表温度(K)。在得到线性系数

a

和

b

之后，即可根据温度差计算公式(24)计算得到全区域的温度差。

由于低层大气存在不稳定性，因此根据上述公式计算所得的显热通量也存在一定的误差，METRIC模型等单层能量平衡模型引入了莫宁-奥布霍夫(Monin-Obukhov)的循环递归计算对显热通量的结果进行了校正，通过5次以上的循环计算至莫宁-奥布霍夫长度值大于0，即可得到正确的显热通量值。

2.2.4 潜热通量

根据能量平衡公式(1)，即可计算潜热通量

λET

。

2.2.5 日蒸散量

通过阅读众多学者前期的研究成果可以发现，估算所得蒸散量与参考作物蒸散量的比值在24 h内，其值的变化较小，因此在计算日蒸散量时，假设卫星影像过境瞬间的蒸发率在当天是保持不变的，此假设引起的误差在天及更长的时间尺度上对最终结果的影响较小，其计算公式如下：

(27)

式中：

W

为瞬时蒸发率；

W

为日蒸发率。

则过境当天的日蒸散量计算公式如下：

(28)

式中：

ET

为当日日蒸散量(mm/d)，86 400为时间系数；

R

24为日平均净辐射通量(W/m);

G

为日平均土壤热通量(W/m)。

3 研究结果与讨论

本次以位于江汉平原的孝感市孝昌县肖港镇作为遥感反演的主要区域，其地理位置位于北纬30°00′～31°10′、东经113°45′～114°00′之间，包括了1∶5万水文地质调查肖港镇幅图幅所在的整个区域，总面积为430 km。整个研究区域从气候带分带划分，属亚热带季风性气候，一年中四季雨水量均比较充足，日照时间长，气候较温暖。区域内风向主要以东南风为主，一年平均气温一般在15～16℃之间，冬季平均气温一般在1～4℃之间，夏季平均气温一般在28～29℃之间，其年内日平均气温一般不低于10℃，整个孝感市年平均降雨量在1 200 mm左右，一年之中约有70%的降水集中在属于夏季的7月至9月，其多年年平均蒸散量约为1 435 mm。

3. 1 遥感反演结果

以上述模型公式及理论为基础，利用ESRI旗下ENVI软件平台和ArcGIS空间分析平台分别根据METRIC模型和SEBAL模型的原理，对研究区域进行日蒸散量遥感反演，并根据世界粮食组织(FAO)推荐的P-M模型对METRIC模型和SEBAL模型最终得到的研究区域蒸散量估算结果进行精度检验与对比，其中METRIC模型额外加入DEM数据对区域地形坡度加以修正，以降低高程差引起的冷却效应。

本文利用METRIC模型反演得到的研究区域4日日蒸散量频率分布图和4日蒸散量空间分布图，见图2和图3。

图2 利用METRIC模型反演得到的研究区域4日 日蒸散量频率分布图Fig.2 Four-day daily evapotranspiration frequency distribution diagram of the study area retrieved from METRIC model

图3 利用METRIC模型反演得到的研究区域4日 蒸散量空间分布图Fig.3 Four-day daily evapotranspiration spatial distribution diagram of the study area retrieved from METRIC model

由图2和图3可见，研究区域内日蒸散量主要集中在0～7 mm/d，在空间分布上，城镇、裸地等远离水体及植被覆盖度较低的地区，其日蒸散量较小，而河流及湖泊等因其水源直接暴露在太阳辐射下，无土地及植被等固定的地区，其日蒸散量较大；因研究区域内作物下垫面存在水稻田等含水量较大的下垫面，其蒸散规律与水体类似，导致耕地中也存在部分大蒸散量像元，其蒸散量达6 mm/d，总体上研究区域内日蒸散量符合以潜热通量交换为主的客观规律；在时间分布上，研究区域2018年4月8日的蒸散量要显著大于其他3日的蒸散量,观察当天平均气温达19.7℃，要显著高于其他3日，且其时间节点刚好位于2018年清明节之后，气温显著提升，日照条件良好，风速较大，其蒸散量为4日最大，符合客观规律，而秋季研究区域2015年10月25日的蒸散量最小，符合其季节条件下的客观规律。

SEBAL模型的区域蒸散量估算方法，与MEITRIC模型类似，均为利用能量平衡余项对潜热通量进行估算，但未引入DEM数据进行精校正，且冷热像元的选取原则以地表温度大小为主，以干燥的裸地作为热像元，以湿润的低温度水体作为冷像元。利用SEBAL模型反演得到的研究区域4日日蒸散量频率分布图，见图4。

图4 利用SEBAL模型反演得到的研究区域4日 日蒸散量频率分布图Fig.4 Four-day daily evapotranspiration frequency distribution diagram of the study area retrieved from SEBAL model

利用FAO提供的改进P-M模型以及气象站气象数据估算研究区域4日遥感影像当天气象站点参考蒸散量，并作为此次遥感反演的标准蒸散量，与遥感反演所得的气象站点实际蒸散量进行了对比，同时进行了估算误差分析。P-M模型4日日蒸散量的估算结果，见表1。

3. 2 讨论

本文分别统计了各遥感蒸散发模型(即METRIC模型和SEBAL模型)反演得到的研究区域4日遥感影像当天气象站点蒸散量，并与P-M模型日蒸散量估算结果进行了对比同时进行了估算误差分析，其结果见表1。

表1 3种模型研究区域日蒸散量的估算结果及相对误差

由表1可知，在日蒸散量较小的时间段，METRIC模型日蒸散量的估算误差要低于SEBAL模型，其中在2016年3月1日，METRIC模型日蒸散量的估算误差较SEBAL模型低约4%，在2018年3月23日，METRIC模型日蒸散量的估算误差较SEBAL模型低约13%，在2015年10月25日，METRIC模型日蒸散量的估算误差较SEBAL模型低约10%，而在2018年4月8日，其日蒸散量较大，METRIC模型日蒸散量的估算结果出现了较大误差，其估算误差较SEBAL模型高约33%，而SEBAL模型在蒸散量较大的时间段与P-M模型日蒸散量的估算结果保持了高度的一致，其相对误差仅为0.28%，受限于Landsat8图像分辨率原因，其在点位上的估算精度与实际测量结果仍存在一定的差距，导致其与P-M模型日蒸散量的估算误差在大部分时间段维持在10%以上，此处点位估算仅用于误差趋势分析，其实际应用模式应为区域性估算。

通过以上数据可以发现，在蒸散量较小的时间段内，METRIC模型的估算精度要高于SEBAL模型，METRIC模型在蒸散量较小的3日内平均估算误差较SEBAL模型低约9%，说明METRIC模型在蒸散量较小的季节，在反演区域所属气候环境下，相较于SEBAL模型具有更好的区域适用性；在蒸散量较大的季节，SEBAL模型表现出了更好的适用性，以P-M模型为基准，其估算误差仅为0.28%，METRIC模型的估算精度较其有较大的差距。从METRIC模型和SEBAL模型的原理分析两个模型在不同蒸散条件下估算精度表现不一致的原因，可以发现其主要原因集中在冷热像元的选取原则上，即模型干湿边界的选取原则上，两模型均通过人工圈定方式来选择区域内的干湿边界，但选取原则具有一定的差别，SEBAL模型的湿边界一般以温度较低的水体为主，而METRIC模型则以温度较低且水分较多的湿润地带，如林地、耕地等作为其湿边界，不同土地利用类型的蒸散发特征表明，水体的蒸散发在区域内总蒸散量的占比较高；而METRIC模型的干湿边界选取原则，虽避免了SEBAL模型在植被覆盖度较高的区域估算时受水分胁迫像元的影响而带来的误差，但因未直接选择水体作为湿边界，降低了对水体蒸散部分权重的考虑，导致其在蒸散量较大的季节出现了较大的估算误差，反之SEBAL模型的干湿边界选取原则导致其在此条件下表现出了较高的估算精度；两模型的估算误差表现符合两个模型不同的干湿边界选取原则。此外，METRIC模型中通过加入DEM数据，考虑了高程、地形坡度的影响以及“高程差”带来的冷却效应，进一步减小了因下垫面不平整而带来的估算误差。

4 结论与建议

METRIC模型一般用于干旱及半干旱、地势起伏较大地区的蒸散量遥感估算，此次将METRIC模型首次运用于江汉平原地区蒸散量估算，并采用全球内运用范围较广、效果较好的SEBAL模型进行蒸散量估算并进行估算结果对比，同时利用P-M模型进行估算误差验证，总体上取得了较好的实验效果。结果表明：METRIC模型在蒸散量较小的时间段内，在研究区域范围内具有较好的适用性，以P-M模型估算结果为基准，其平均估算精度较SEBAL模型提高约9%；而在蒸散量较大的时间段内，其估算结果出现了一定的偏差，与SEBAL模型的估算精度有较大的差距。因此，在研究区域所属江汉平原地带遥感蒸散量估算模型选择中，在蒸散量较小的时间及季节，推荐以METRIC模型作为遥感反演模型，而在蒸散量较大的时间及季节，如夏季等，推荐以SEBAL模型作为遥感反演模型，两种模型交替使用能够有效提高本区域蒸散量的估算精度。

在本研究中，仍存在诸多不足之处，例如：虽同时采用了METRIC模型和SEBAL模型双模型作为对比，但仍未解决干湿边界选择方式为人为圈定这个两个模型都存在的重要限制问题，此次遥感反演因条件所限，未进行严格的地面蒸散量及温度实测对比验证，虽采用联合国粮农组织提供的改进P-M模型估算参考蒸散量以验模型估算精度，但仍与地面实际验证数据存在差距，今后的研究中需提前对验证方式提出方案，并对验证所需仪器进行布置，以进一步提高验证数据的精度及验证方法的科学性；受限于国内卫星影像数据获取途径，此次仅获得4期可用遥感影像数据，后期需通过更多途径获取更多可用遥感影像数据。

相较于传统蒸散量测定方式，区域蒸散量遥感反演的便捷性及大尺度性赋予了其极高的研究价值，随着近年来各类高分辨率传感器反射、各种基于大数据统计以及AI神经网络算法的涌现，赋予了蒸散量遥感估算长足的进步空间。因此，在未来的研究中还需加强对此类单层模型的优化，主要可集中在以下几点：对干湿边界选取流程化、数据化确定；进一步加强复杂下垫面光谱分析；对模型中仍使用经验公式计算的部分参数提出量化计算方法；铺设大孔径闪烁通量仪，结合小流域范围水文闭合，对遥感反演结果进行高精度验证，以此为遥感蒸散发模型估算的精度提高提供更可信的数据。相信在解决以上难点之后，遥感蒸散发模型的估算精度及适用范围将会得到进一步的提升。